R u Ready? HS2025 | Psychologie der Digitalisierung - Einheit 11

Sandra Grinschgl, Aaron Friedli, Lars Schilling

R u Ready? Reproduzierbare Datenaufbereitung und -analyse mit R

HS 2025

LV-Leitung: Dr. Sandra Grinschgl / MSc. Aaron Friedli
Tutor: BSc. Lars Schilling

11. Einheit, 24.11.2025

Heute:

Fragen Hands On Block 5?

Abbildungen: Visualize

Visualisierungen: Reproduktion der Figures aus Grinschgl 2021

Visualisierungen

`ggplot2()`

Sehr flexibles Paket.

Plots werden schrittweise “befüllt”

Alle plots beginnen mit ggplot() und dem verwendeten Datensatz
Mit aes() definieren wir die elemantaren Elemente der Plots - Variablen die geplottet werden sollen
mit + können wir geoms, layers und weitere Elemente hinzufügen.

`ggplot2()` - Cheatsheet

With ggplot2, you begin a plot with the function ggplot(), defining a plot object that you then add layers to. The first argument of ggplot() is the dataset to use in the graph and so ggplot(data = penguins) creates an empty graph that is primed to display the penguins data, but since we haven’t told it how to visualize it yet, for now it’s empty. This is not a very exciting plot, but you can think of it like an empty canvas you’ll paint the remaining layers of your plot onto.

Next, we need to tell ggplot() how the information from our data will be visually represented. The mapping argument of the ggplot() function defines how variables in your dataset are mapped to visual properties (aesthetics) of your plot. The mapping argument is always defined in the aes() function, and the x and y arguments of aes() specify which variables to map to the x and y axes. For now, we will only map flipper length to the x aesthetic and body mass to the y aesthetic. ggplot2 looks for the mapped variables in the data argument, in this case, penguins.

To do so, we need to define a geom: the geometrical object that a plot uses to represent data. These geometric objects are made available in ggplot2 with functions that start with geom_. People often describe plots by the type of geom that the plot uses. For example, bar charts use bar geoms (geom_bar()), line charts use line geoms (geom_line()), boxplots use boxplot geoms (geom_boxplot()), scatterplots use point geoms (geom_point()), and so on.

Zusammenhang bedeutet die Verwendung von +, dass wir einzelne Elemente eines Plot-Objektes zusammenfügen.

Argumente von `ggplot()`

Variablen als Aesthetic Mappings definieren
Mapping ist immer das zweite Argument (nach dem Datensatz), “call” kann also auch verkürzt werden.

p <- penguins |>
  ggplot( 
       mapping = 
         aes(x = body_mass_g, 
           y = bill_length_mm))
p

`ggplot()` - Geoms

Layers Hinzufügen z.B. ein geom mit +
Geoms = geometrische Objekte, die die Daten darstellen (z.B. Punkte, Linien)
Muss je nachdem welche Daten man hat und wie man diese darstellen will ausgewählt werden, z.B.
- Kategoriale Variable: geom_bar()
- Kontinuierliche Variable: geom_histogram()
- 2 kontinuierliche Variablen: geom_point(), geom_line()
- 2 Kategoriale Variablen: geom_count()
- Kategorial + Kontinuierlich: geom_boxplot(), geom_violin()

`ggplot()` - Geoms

p <- p +
  geom_point()

p

`ggplot()` - Layers

Mappings können auch in den Layers definiert werden

p <- p + 
  geom_point(aes(x = body_mass_g, 
           y = bill_length_mm))

p

`ggplot()` - Layers

Titel + Achsenbeschriftung (= labs), Regressionslinien, vereinfachtes Design

p <- p +
  geom_smooth(aes(group = 1), method = "lm") +
  theme_classic() +
  labs(
    title = "Relationship Between Body Mass and Bill Length",
    x = "Body Mass (g)",
    y = "Bill Length (mm)"
  )

p

mit theme_ können verschiedene Formatierungen gewählt werden. theme_classic wird typischerweise für APA7 passende Formatierungen gewählt.

`ggplot()` - Verschiedene Layers/Geoms kombiniert

p2 <- penguins |>
  ggplot(aes(x = island, y = body_mass_g, color = island, shape = sex)) +
  geom_boxplot() +
  geom_jitter(alpha = 0.5)+
  theme_classic()+
  labs(
    title = "Body Mass Per Island and Species", x = "Island", y = "Body Mass (g)")
p2

Abbildungen speichern

ggsave(filename = "my_first_plot.png", plot = p2)

Weitere Ressourcen:

Viel, viel mehr Möglichkeiten als wir hier besprechen, siehe z.B.:

Auflistung von Argumenten

ggplot2 Cheatsheet

R for Data Science – Kapitel 9 & 10:
Kapitel „Layers“

Kapitel „EDA“

Weitere Textelemente in Abbildungen (Kapitel 11)

Hier findet man auch weitere Visualisierungsmöglichkeiten & Informationen dazu, wie man verschiedene Plots neben/untereinander abbilden kann.

Top 50 Visualisierungen mit ggplot2

für Animationen, Signifikanztests, Wordclouds usw.

Inferenzstatistik

Erinnerung Statistik

Forschungsfrage/ Hyptothese aufstellen und Auswahl passender Testverfahren 👉 Bereits im Datenanalyseplan gemacht

Entscheidungsbaum statistischer Testverfahren

Entscheidungsbaum UZH

Korrelationen

Linearer Zusammenhang zweier Variablen
Positive Korrelation = hohe Ausprägungen einer Variable hängen mit hohen Ausprägungen einer anderen Variable zusammen
Negative Korrelation = Hohe Ausprägungen einer Variable hängen mit niedrigen Ausprägungen einer anderen Variable zusammen
Korrelationskoeffizient r kann von -1 bis +1 gehen
Voraussetzung: Normalverteilung der Residuen (siehe EH 10)
Nicht-parametrische Alternative: Spearman Korrelation

cor.test(penguins$bill_length_mm, penguins$body_mass_g)


    Pearson's product-moment correlation

data:  penguins$bill_length_mm and penguins$body_mass_g
t = 13.654, df = 340, p-value < 2.2e-16
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 0.5220040 0.6595358
sample estimates:
      cor 
0.5951098

Notation

options(scipen = 999)
cor.test(penguins$bill_length_mm, penguins$body_mass_g)


    Pearson's product-moment correlation

data:  penguins$bill_length_mm and penguins$body_mass_g
t = 13.654, df = 340, p-value < 0.00000000000000022
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 0.5220040 0.6595358
sample estimates:
      cor 
0.5951098

Hinweise zur linearen Regression

Testet den Zusammenhang zwischen zwei Variablen
Einfache lineare Regression = Korrelation
Keine Kausalaussagen möglich (wie auch bei Korrelationen)
Voraussetzungen: Normalverteilung der Residuen, Multikollinearität und Homoskedastizität
Nicht-parametrische Alternative: Poisson-Regression

Homoskedastizität bedeutet, dass die Varianz der Residuen in einer Regressionsanalyse für alle Werte des Prädiktors konstant ist. Das heißt, die Abweichungen der vorhergesagten Werte von den wahren Werten sind in etwa immer gleich groß – unabhängig wie hoch oder niedrig der Wert des Prädiktors ist. Um deine Regressionsanalyse sinnvoll interpretieren zu können, ist es wichtig, dass Homoskedastizität vorliegt. Homoskedastizität bildet deshalb neben einigen weiteren Aspekten (z.B. Vermeidung von Multikollinearität ) eine wichtige Voraussetzung für die lineare Regression. Heteroskedastizität Das Gegenteil von Homoskedastizität ist Heteroskedastizität. In diesem Fall verändert sich die Varianz der Residuen mit ansteigenden oder abfallenden Werten des Prädiktors. Beispielsweise kannst du bei Heteroskedastizität mit deiner Vorhersage systematisch umso weiter daneben liegen, je größer der Prädiktorwert ist, für den du dein Kriterium schätzen möchtest.

Einfache lineare Regressionen

Argumente

model_1 <- lm(mean_rl_all ~ cvstm_propcorrect, data = dat_full)

summary(model_1)


Call:
lm(formula = mean_rl_all ~ cvstm_propcorrect, data = dat_full)

Residuals:
    Min      1Q  Median      3Q     Max 
-2.1982 -0.6544 -0.1708  0.7555  3.5717 

Coefficients:
                  Estimate Std. Error t value             Pr(>|t|)    
(Intercept)         7.6277     0.8257   9.238 < 0.0000000000000002 ***
cvstm_propcorrect  -3.2993     1.1202  -2.945              0.00372 ** 
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.097 on 157 degrees of freedom
Multiple R-squared:  0.05236,   Adjusted R-squared:  0.04632 
F-statistic: 8.674 on 1 and 157 DF,  p-value: 0.003719

Regression: Output

Tabelle: Funktionen für Regressionen und verwandte Analysen in R

Funktion	Beschreibung
`lm(y ~ x)`	Einfache lineare Regression mit einer abhängigen Variablen y und einem Prädiktor x.
`lm(y ~ x1 + x2)`	Multiple Regression mit einer abhängigen Variablen y und zwei Prädiktoren x1 und x2.
`summary()`	Gibt die Ergebnisse der Regressionsanalyse für ein Regressionsmodell aus.
`confint()`	Konfidenzintervalle für die Regressionskoeffizienten.

Funktion	Beschreibung
`fitted()`	Vorhergesagte Werte des Regressionsmodells.
`resid()`	Residuen des Regressionsmodells.
`predict()`	Vorhergesagte Werte für bestimmte Werte der Prädiktorvariablen.
`anova()`	Vergleicht die Determinationskoeffizienten zweier Regressionsmodelle mit einem F-Test.
`vif()` *	Variance Inflation Factors (VIF) für jeden Prädiktor; aus dem car-Paket.

* aus zusätzlichen Paketen

Hierarchische Regression

Man legt zwei oder mehr Regressionsmodelle an mit zunehmenden Prädiktoren
Dann vergleicht man diese Modelle mit anova(model1, model2). Gibt es einen signifikanten Zuwachs an aufgeklärter Varianz (siehe Determinationskoeffizient) von model1 zu model2?

Siehe hier: Lineare Regression mit R (einfach, multiple, hierarchisch)

Heute haben wir:

Basics der Datenvisualisierungen kennengelernt
- Erstellung von Tabellen
- ggplot()
Korrelationen und Regressionen in R kennengelernt

Reminder: R Übung bis Freitag 28.11, Peer Feedback über Forum bis 03.12.

Optionale Slide Korrelation = Einfache lineare Regression


    Pearson's product-moment correlation

data:  penguins$bill_length_mm and penguins$body_mass_g
t = 13.654, df = 340, p-value < 0.00000000000000022
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 0.5220040 0.6595358
sample estimates:
      cor 
0.5951098


Call:
lm(formula = bill_length_mm ~ body_mass_g, data = penguins)

Residuals:
     Min       1Q   Median       3Q      Max 
-10.1251  -3.0434  -0.8089   2.0711  16.1109 

Coefficients:
              Estimate Std. Error t value            Pr(>|t|)    
(Intercept) 26.8988724  1.2691478   21.19 <0.0000000000000002 ***
body_mass_g  0.0040514  0.0002967   13.65 <0.0000000000000002 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 4.394 on 340 degrees of freedom
  (2 observations deleted due to missingness)
Multiple R-squared:  0.3542,    Adjusted R-squared:  0.3523 
F-statistic: 186.4 on 1 and 340 DF,  p-value: < 0.00000000000000022

[1] 0.3541557

R u Ready? HS2025 | Psychologie der Digitalisierung - Einheit 11

R u Ready? Reproduzierbare Datenaufbereitung und -analyse mit R

Heute:

Fragen Hands On Block 5?

Abbildungen: Visualize

Visualisierungen: Reproduktion der Figures aus Grinschgl 2021

Visualisierungen

ggplot2()

ggplot2() - Cheatsheet

Argumente von ggplot()

ggplot() - Geoms

ggplot() - Geoms

ggplot() - Layers

ggplot() - Layers

ggplot() - Verschiedene Layers/Geoms kombiniert

Abbildungen speichern

Weitere Ressourcen:

Inferenzstatistik

Erinnerung Statistik

Korrelationen

Notation

Hinweise zur linearen Regression

Einfache lineare Regressionen

Regression: Output

Tabelle: Funktionen für Regressionen und verwandte Analysen in R

Hierarchische Regression

Heute haben wir:

Optionale Slide Korrelation = Einfache lineare Regression

`ggplot2()`

`ggplot2()` - Cheatsheet

Argumente von `ggplot()`

`ggplot()` - Geoms

`ggplot()` - Geoms

`ggplot()` - Layers

`ggplot()` - Layers

`ggplot()` - Verschiedene Layers/Geoms kombiniert